Objectifs du cours ?

Importance de visualiser les données avant de tirer des conclusions.
Facilite l’interprétation des données.
Reconnaître les observations aberrantes.
Connaître nos données.
Potantiel interêt pour les jobs de Data Analyst ?

Pourquoi utiliser `ggplot` ?

Plus polyvalent.
Incorporer dans le paquet tidyverse.
Facile d’utilisation en suivant bien les règles.

Quel type de graphique pour quel type de variables ?

Cela dépendent en général du type de variable (qualitative ou quantitative) et du nombre de variables.
- Ce qui est possible avec une seule variable :

knitr::include_graphics("graphique1.jpg")

Ce qui est possible de faire avec plusieurs variables :

knitr::include_graphics("graphique2.jpg", 
                        auto_pdf = getOption("knitr.graphics.auto_pdf", FALSE))

Le choix des graphiques va aussi dépendre :
- De l’audience (experts / public large / etc)
- Ce que nous souhaitons raconter/présenter.

Quelques commandes utiles avant l’apprentissage de `ggplot 2`

Voici plusieurs commandes que nous utiliserons avant de présenter les graphiques :
%>% : pipeline / pipe operator / tuyau. Il indique juste une succession d’opération. “j’applique ce qui viens après le symbole à ce qui est à sa droite” ==> son raccourci ; Ctrl+Shift+M (Windows), Cmd+Shift+M (Mac)
select : selectionner des variables
filter : selectionner des observations
mutate : recoder et créer de nouvelles variables
class : connaître le type d’une variable
as.numeric / as.factor : changer le type d’une variable. as.factor : La fonction factor permet de créer une variable qualitative ou categorielle ou factorielle, à partir d’une autre variable.
if_else : recoder des variables avec des conditions
group_by : regrouper
En général pour visualiser des données, on doit nettoyer la base de données en fonction de ce que nous souhaitons raconter et présénter.
Cela vaut autant pour les données numériques que textuelles (pre-processing)!

===============================================

Ouvrir un projet R :

“File -> New project -> Existing Directory”. Nommez votre nouveau projet et script.

Supprimer les fichiers dans votre environnement :

rm(list = ls())

Importer les paquets que nous allons utiliser :

Installer les paquets:

#install.packages("tidyverse")

Lire les paquets qui nous intéresse :

library(haven) #importation de données sous forme dta
library(tidyverse)

## ── Attaching packages ─────────────────────────────────────── tidyverse 1.3.1 ──

## ✓ ggplot2 3.3.5     ✓ purrr   0.3.4
## ✓ tibble  3.1.4     ✓ dplyr   1.0.7
## ✓ tidyr   1.1.3     ✓ stringr 1.4.0
## ✓ readr   2.0.0     ✓ forcats 0.5.1

## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

#library(scales)

Importer notre base de données :

covid <- read_dta("Covid_2.dta")
quality_governance <- read.csv("Quality_Governance.csv")

Utilisation de `ggplot2`

Vous pouvez faire un point d’interrogation pour connaître les paramètres à utiliser avec la commande ggplot() :

?ggplot2

définition générale : ggplot() permet de lier des données à une représentation graphique.

Présentation des fonctions de base avec la commande ggplot :

Vous pouvez construire des graphiques à partir de mêmes composants :
- un ensemble de données ÉTAPE 1,

ggplot(data = covid)

un système de coordonnées (éléments visuels) ÉTAPE 2

ggplot(data = covid,
       mapping = aes(x = age , y = semaines))

* Pour ajouter plus d’esthétisme et les valeurs, on ajoute des propriétés visuelles avec la commande aes() (aesthetic) à la géométrie pour : + la taille (size), + la position (position), + la transparence (alpha), + le remplissage (fill), + la forme (shape), + la couleur (color) et + les emplacements de vos variables dépendante et indépendante.

des geométries (types de graphique) ÉTAPE 3.

Exemple concret avec la base de données COVID

a <- ggplot(data = covid, mapping = aes(x = semaines)) +
  geom_density()

a

#knitr::include_graphics(" composants-de-base_ggplot.jpg")

#knitr::include_graphics("composants-avances_ggplot.jpg")

#knitr::include_graphics("graphique2.jpg")

Pour un graphique univarié

# Pour la couleur : 
b <- ggplot(data = covid, mapping = aes(x = semaines)) +
  geom_density(color = "blue")
b

# avec un histogramme :

b1 <- ggplot(data = covid, mapping = aes(x = pr_med_info_0a10)) +
  geom_bar(aes(fill = "red"))

b1

## Don't know how to automatically pick scale for object of type haven_labelled/vctrs_vctr/double. Defaulting to continuous.

Les facettes : permet d’effectuer plusieurs fois le même graphique selon les valeurs d’une ou plusieurs variables qualitatives (catégorielles) (notre group_by).

a <- ggplot(data = covid, mapping = aes(x = semaines)) +
  geom_density(color = "blue")
a

# On peut représenter la distribution des avis du nombre des semaine de quarantaine par genre : 

a1 <- ggplot(data = covid, mapping = aes(x = semaines, fill = as.factor(femme))) +
  geom_density() 
a1

# On peut aussi modifier l'ombrage des distributions : 
a2 <- ggplot(data = covid, mapping = aes(x = semaines, fill = as.factor(femme))) +
  geom_density(alpha = 0.4) 

a2

# On peut créer deux graphiques distincts qui présentent la distribution des avis sur le nombre de semaines de quarantaine par genre :

a3 <- ggplot(data = covid, mapping = aes(x = semaines, fill = as.factor(femme))) +
  geom_density() +
  facet_wrap(~as.factor(femme))
a3

# Finalement, on peut ajouter les étiquettes :

a5 <- ggplot(data = covid, mapping = aes(x = semaines, fill = as.factor(femme))) +
  geom_density(alpha = 0.7) +
  facet_wrap(~as.factor(femme)) + 
  scale_fill_discrete(name = "Genre") +
  scale_x_continuous(name = "Nombre de semaines de quarantaine",
                     breaks = seq(0,20, by = 2)) +
  labs(title = "Distribution des avis sur la durée du confinement en fonction du genre",
       subtitle = "Données COVID-19 France",
       x = "Nombres de semaines de confinement",
       y = "Densité",
       caption = "Graphique par Anne Imouza")
a5

Pour un graphique multivarié :

c <- ggplot(data = covid, mapping = aes(x = semaines, y = age, color = as.factor(femme))) +
  geom_point()
c

#on modifie les variables sexe (femme) et idéologie pour qu'elles soient des variables catégorielles, et non continues.

Utilisatoin de l’option shape :

d <- ggplot(data = covid, mapping = aes(x = semaines, y = age, shape = as.factor(femme))) +
  geom_point()
 
d

Les scales : Ils permettent de modifier la manière dont un attribut graphique va être relié aux valeurs d’une variable, et dont la légende correspondante va être affichée.

# scale
e <- c +
    scale_color_discrete(name = "Genre",
                       labels = c("Femme", "Homme")) +
    scale_x_continuous(name = "Nombre de semaines",
                     breaks = seq(0,20, by = 2)) +
    scale_y_continuous(name = "Age",
                      breaks = seq(0, 87, by = 6))
  
e

Les étiquettes : labs

# labs
f <- e +
  labs(title = "Age en fonction des avis sur la durée de semaines de quarantaine",
       subtitle = "Données COVID-19 France",
       x = "Semaines de quarantaine",
       y = "Age",
       caption = "Graphique par Anne Imouza")
  
f

Représentation de plusieurs graphiques sur une même figure

quality_governance <- read.csv("Quality_Governance.csv")

ggplot(quality_governance) + 
  geom_boxplot(aes(x = region, y = femmes_travail)) +
  geom_point(aes(x = region, y = femmes_travail, color = region)) +
  theme(axis.text.x = element_text(colour = "black", angle = 25))

## Warning: Removed 17 rows containing non-finite values (stat_boxplot).

## Warning: Removed 17 rows containing missing values (geom_point).

# On veut seulement voir pour les régions suivantes : afrique_nord_moyen_orient, asie_sud, caraibes, amerique_latine et europe_ouest_amerique_nord
ggplot(quality_governance) + 
  geom_boxplot(aes(x = region, y = femmes_travail)) +
  geom_point(aes(x = region, y = femmes_travail, color = region)) +
  theme(axis.text.x = element_text(colour = "black", angle = 10)) +
  scale_x_discrete("Regions", limits = c("afrique_nord_moyen_orient", "asie_sud","caraibes", "amerique_latine",  "europe_ouest_amerique_nord"))

## Warning: Removed 106 rows containing missing values (stat_boxplot).

## Warning: Removed 8 rows containing non-finite values (stat_boxplot).

## Warning: Removed 114 rows containing missing values (geom_point).

Les thèmes :

Les thèmes : ils permettent de contrôler l’affichage de tous les éléments du graphique qui ne sont pas reliés aux données : titres, grilles, fonds, etc.

*On peut utiliser plusieurs thèmes pour présenter nos résultats : + r + theme_bw() : fond blanc avec des lignes de quadrillage + r + theme_gray() : Fond gris + r + theme_dark() : Noir pour les contrastes + r + theme_classic() + r + theme_light() + r + theme_linedraw() + r + theme_minimal(): thème minimal + r + theme_void() : Thème vide

Pour plus d’information : https://ggplot2.tidyverse.org/reference/theme.html

#Notre graphique de densité univarié :

g <- a5 +
  theme_dark()
g

#Notre grahique multivarié 
h <- e + theme_minimal()
h

Régression linéaire :

i <- ggplot(data = covid, mapping = aes(x = semaines, y = age)) +
  geom_point() + 
  geom_smooth(aes(color = as.factor(femme)), method = "lm") 
i

## `geom_smooth()` using formula 'y ~ x'

# Enregistrer un graphique :

ggsave(filename = "graphique_regression_lineaire.png", plot = i, width = 9, height = 6)

## `geom_smooth()` using formula 'y ~ x'

Exercices

Importer la base de données : Quality of Governance :

quality_governance <- read.csv("Quality_Governance.csv")

Résumez la variable femmes_travail qui se trouve dans la base de données quality_governance. Utilisez la fonction summary :

summary(quality_governance$femmes_travail)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
##   8.133  39.319  43.828  41.036  47.108  54.976      17

Créez une nouvelle base de données qui se nomme quality_gov_aqui ne contient pas les variables suivantes : taux_dep, renouvelable et terre_arable. utilisez la fonction %>% et filter.

quality_gov_a <- quality_governance %>% 
  select(-taux_dep, -renouvelable, -terre_arable)

Créez un graphique univarié avec la variable fecondité.

graph_fec <- ggplot(quality_gov_a, aes(x=fecondite)) +
  geom_bar(aes(fill = "orange"))
  
graph_fec

## Warning: Removed 9 rows containing non-finite values (stat_count).

Créez un graphique bivarié avec les variables pib_habitant (x) et acces_internet (y).

graph_bi <- ggplot(quality_gov_a, aes(x= pib_habitant, y = acces_internet)) +
  geom_point()
graph_bi

## Warning: Removed 12 rows containing missing values (geom_point).

Ajoutez et mettez en couleur les régions en tenant compte du PIB par habitant et de l’accès à internet :

graph_bi <- ggplot(quality_gov_a, aes(x= pib_habitant, y = acces_internet, color = region)) +
  geom_point()
graph_bi

## Warning: Removed 12 rows containing missing values (geom_point).

Ajoutez les scaleset un thème. 9.1 Limitez l’intervalle du PIB par habitant de 0 à 30000$.

graph_bi <- ggplot(quality_gov_a, aes(x= pib_habitant, y = acces_internet, color = region)) +
  geom_point() +
  scale_x_continuous("PIB par habitant",
                     limits = c(0,30000)) + 
  scale_y_continuous("Accès à l'internet") + 
  scale_color_discrete("Régions")

graph_bi

## Warning: Removed 41 rows containing missing values (geom_point).

9.2 Créez un graphique en fonction du genre (facet_wrap).

#on veut enlever les NA. une solution possible :
quality_gov_a <- quality_gov_a %>% 
  drop_na(fecondite)

graph_bi_a <- graph_bi +
  facet_wrap(~fecondite)

graph_bi_a

## Warning: Removed 41 rows containing missing values (geom_point).

En utilisant la commande labs, ajoutez un titre, un sous titre, renommez les variables et indiquez votre prénom et nom.

graph_bi_b <- graph_bi +
    labs(title = "Accès à l'internet en fonction du PIB par habitant et de la fécondité par région",
       subtitle = "Données du Quality of governance",
       x = "Pib par habitant",
       y = "Accès à l'internet",
       caption = "Graphique par Anne Imouza")
graph_bi_b

## Warning: Removed 41 rows containing missing values (geom_point).

Faites un graphique qui représente une régression linéaire pour les variables pib_habitant et acces_internet en fonction de la fécondité :

graph_ai <- ggplot(quality_gov_a, aes(x= pib_habitant, y = acces_internet, color = as.factor(fecondite))) +
  geom_point() +
  scale_x_continuous("PIB par habitant",
                     limits = c(0,30000)) + 
  scale_y_continuous("Accès à l'internet") + 
  scale_color_discrete("Fecondité") +
  geom_smooth(method = "lm")

graph_ai

## `geom_smooth()` using formula 'y ~ x'

## Warning: Removed 36 rows containing non-finite values (stat_smooth).

## Warning: Removed 36 rows containing missing values (geom_point).

Enregistrez vos deux graphiques univarié et bivarié sur votre ordinateur.

ggsave(filename = "graphique_regression_lineaire2.png", plot = graph_ai, width = 9, height = 6)

## `geom_smooth()` using formula 'y ~ x'

## Warning: Removed 36 rows containing non-finite values (stat_smooth).

## Warning: Removed 36 rows containing missing values (geom_point).

Ressources très utiles :

https://www.data-to-viz.com

https://ggplot2.tidyverse.org

https://datacarpentry.org/R-ecology-lesson/04-visualization-ggplot2.html

https://sicss.io

Cours sur la visualisation des données

Anne Imouza

12/3/2021

Objectifs du cours ?

Pourquoi utiliser `ggplot` ?

Quel type de graphique pour quel type de variables ?

Quelques commandes utiles avant l’apprentissage de `ggplot 2`

Ouvrir un projet R :

Supprimer les fichiers dans votre environnement :

Importer les paquets que nous allons utiliser :

Installer les paquets:

Lire les paquets qui nous intéresse :

Importer notre base de données :

Utilisation de `ggplot2`

Présentation des fonctions de base avec la commande ggplot :

Pour un graphique univarié

Les facettes : permet d’effectuer plusieurs fois le même graphique selon les valeurs d’une ou plusieurs variables qualitatives (catégorielles) (notre group_by).

Pour un graphique multivarié :

Utilisatoin de l’option shape :

Les scales : Ils permettent de modifier la manière dont un attribut graphique va être relié aux valeurs d’une variable, et dont la légende correspondante va être affichée.

Les étiquettes : labs

Les thèmes :

Régression linéaire :

Ressources très utiles :

Cours sur la visualisation des données

Anne Imouza

12/3/2021

Objectifs du cours ?

Pourquoi utiliser ggplot ?

Quel type de graphique pour quel type de variables ?

Quelques commandes utiles avant l’apprentissage de ggplot 2

Ouvrir un projet R :

Supprimer les fichiers dans votre environnement :

Importer les paquets que nous allons utiliser :

Installer les paquets:

Lire les paquets qui nous intéresse :

Importer notre base de données :

Utilisation de ggplot2

Présentation des fonctions de base avec la commande ggplot :

Pour un graphique univarié

Les facettes : permet d’effectuer plusieurs fois le même graphique selon les valeurs d’une ou plusieurs variables qualitatives (catégorielles) (notre group_by).

Pour un graphique multivarié :

Utilisatoin de l’option shape :

Les scales : Ils permettent de modifier la manière dont un attribut graphique va être relié aux valeurs d’une variable, et dont la légende correspondante va être affichée.

Les étiquettes : labs

Les thèmes :

Régression linéaire :

Ressources très utiles :

Pourquoi utiliser `ggplot` ?

Quelques commandes utiles avant l’apprentissage de `ggplot 2`

Utilisation de `ggplot2`